Ideas
다른 분야에서 통하는 기법 중 소재 분야에서는 아직 드문 것을 제안합니다.
결과가 아니라 시도해볼 방향입니다. 근거 링크는 그 기법이 다른 분야에서 통했다는 것만 보여줍니다. 우리 분야에 맞는지는 연구자가 판단할 일입니다.
에이전트 기반 코드 진화와 사이클 정확도 시뮬레이션 · Agentic code evolution + cycle-accurate simulation
LLM 에이전트가 설계 코드나 제어 코드를 변이시키고, 시뮬레이터 점수로 다음 수정을 유도하는 반복 루프입니다. 본질은 생성-평가-수정의 자동 탐색이며, 물리 기반 스코어를 넣기 쉽습니다.
강화학습 기반 임베더 다단계 검색 · RL-trained Embedder for Multi-step Retrieval
질의응답용 LLM이 아니라, 임베더 자체를 강화학습으로 조정해 여러 단계의 검색을 수행하게 만드는 접근입니다. 복합 질문에서 한 번에 답을 찾기보다, 검색 경로를 여러 번 갱신하며 필요한 근거를 모읍니다.
배포 정합 저정밀 신경망 구조 탐색 · Deployment-Aligned Low-Precision Neural Architecture Search
학습 시점의 고정밀 성능이 아니라, 실제 배포에서 쓰일 저정밀 연산 조건에서 구조를 탐색하고 학습하는 방법입니다. 이후 양자화하는 것이 아니라, 처음부터 목표 하드웨어의 수치 조건을 반영합니다.
검색증강 정책 최적화 · Retrieval-augmented policy optimization
정책 학습 중에 과거의 단계별 궤적, 오프-폴리시 예시, 실패/성공 경로를 검색해 업데이트에 반영하는 방법입니다. 단순히 현재 롤아웃만 보는 것보다 탐색 폭을 넓히는 것을 목표로 합니다.
테스트타임 계산 예산 할당 · Test-time compute allocation
추론 시 사용할 토큰, 검색, 재시도, 도구 호출 예산을 고정하지 않고 문제 난이도에 맞춰 배분하는 접근입니다. 쉬운 하위문제에는 적게, 불확실성이 큰 하위문제에는 더 많이 쓰는 것을 목표로 합니다.
블랙보드형 멀티에이전트 오케스트레이션 · Blackboard-style multi-agent orchestration
여러 에이전트가 공유된 작업공간에 부분 결과를 올리고, 필요한 에이전트가 이를 읽어 다음 작업을 수행하는 구조입니다. 단일 코디네이터나 고정된 마스터-워커보다 유연한 협업을 목표로 합니다.
집합 수준 도구 검색 · Set-Level Tool Retrieval
이 기법은 한 번에 도구 하나를 고르는 대신, 다음 단계에 함께 쓸 도구들의 집합을 예측한다. 도구 후보가 너무 많아 프롬프트에 모두 넣기 어려운 에이전트 환경에서 특히 유용하도록 설계된다.
에이전트 궤적 기반 검색 학습 · Learning to Retrieve from Agent Trajectories
이 기법은 사람의 관련성 판단만이 아니라, 에이전트가 실제로 어떤 질의, 스니펫, 문서를 거쳤고 그 결과가 성공했는지를 학습 신호로 사용해 검색기를 훈련한다. 즉, 검색을 ‘사용자 만족’보다 ‘과제 성공’에 맞추는 방향이다.
에이전트 기억 시스템 · Agent memory systems
이 기법은 에이전트가 이전 도구 사용, 실패, 성공한 서브루틴을 장기적으로 저장하고 다음 과제에 재사용하도록 하는 방식이다. 단발성 대화가 아니라, 여러 작업에 걸친 지속적 워크플로를 다루는 데 초점을 둔다.
시험시 루브릭 기반 검증 · Test-time rubric-guided verification
모델이 답을 바로 내는 대신, 명시적 루브릭으로 스스로의 출력을 점검하고 구조화된 피드백을 다시 반영하면서 수정하는 방식이다. 정답 하나보다 여러 기준을 동시에 만족해야 하는 작업에 맞는다.
파일시스템 기반 장기 추론 에이전트 · File-system-based long-horizon agents
에이전트가 작업 중에 읽은 자료, 중간 메모, 추출 결과를 폴더 구조로 지속 저장하고, 다른 에이전트가 그 작업공간을 바탕으로 최종 답변을 작성하는 방식이다. 외부 파일시스템이 장기 작업의 기억장치 역할을 한다.
필드 기반 불리언 검색 · Fielded Boolean retrieval for agents (“search–inspect–fetch”)
문서의 제목, 초록, 섹션, 표, 캡션 같은 필드를 조건으로 걸러낸 뒤, 남은 집합만 랭킹하고 필요한 부분만 가져오는 검색 인터페이스다. 긴 문서를 통째로 읽기보다, 에이전트가 증거 유형을 정밀하게 지정해 탐색할 수 있게 해준다.